西尔维娅·弗里瓦特·施纳特 数据增强和动态线性模型。 (英语) Zbl 0815.62065号 J.时间序列。分析。 15,第2期,183-202(1994). 摘要:我们定义了一类具有未知超参数的动态线性模型,称之为(d)-逆伽马模型。然后,我们通过以下数据增强算法近似超参数和状态向量的边缘概率密度函数M.Tanner先生和W·H·王【《美国统计协会期刊》第82卷第528-541页(1987年;Zbl 0619.62029号)]. 我们证明了收敛的正则性条件成立。为了实际实现,提出了一种前向滤波后向采样算法,并详细讨论了它与吉布斯采样的关系。 引用于138文件 MSC公司: 62M20型 随机过程的推断与预测 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 关键词:近似贝叶斯分析;卡尔曼滤波;状态空间模型;d-逆伽马模型;动态线性模型;超参数;状态向量;数据扩充算法;前向滤波后向采样算法;吉布斯采样 引文:兹比尔0519.62029;Zbl 0619.62029号 PDF格式BibTeX公司 XML格式引用 \textit{S.Frühwirth-Schnatter},J.Time-Ser。分析。15,第2号,183--202(1994;Zbl 0815.62065) 全文: 内政部 链接 参考文献: [1] Anderson B.O.D.,《最佳滤波》(1979)·Zbl 0688.93058号 [2] Broemeling L.,线性模型的贝叶斯分析。(1985) ·Zbl 0564.62020号 [3] 内政部:10.2307/2290282·doi:10.2307/2290282 [4] Dempster A.P.,J.R.统计。Soc.序列号。B 39第1页–(1977年) [5] Fruhworth-Schnatter S.,J.R.统计。Soc.序列号。B.(1994年) [6] 哈里森·P·J、J·R·统计。Soc.序列号。B 38第205页–(1976) [7] Harvey A.,预测、结构时间序列模型和卡尔曼滤波器。(1989年) [8] Liptser R.S.,随机过程统计。(1977) ·Zbl 0364.60004号 ·doi:10.1007/978-1-4757-1665-8 [9] 内政部:10.1109/TAC.1965.1098191·doi:10.1109/TAC.1965.1098191 [10] Pole A.,贝叶斯统计3,第733页–(1988) [11] Tanner M.,《统计推断工具》。观测数据和数据增强方法。统计学课堂讲稿67。(1991) ·Zbl 0724.62003号 [12] 内政部:10.2307/2289457·Zbl 0619.62029号 ·doi:10.2307/2289457 [13] West M.,贝叶斯预测和动态模型。(1989) ·Zbl 0697.62029号 ·doi:10.1007/978-1-4757-9365-9 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。